基于星-凸形随机超曲面模型的扩展目标GM-PHD滤波器
发布时间:2018-11-09 12:31
【摘要】:针对扩展目标联合估计运动状态和目标外形的问题,提出一种基于星-凸形随机超曲面模型的扩展目标高斯混合概率密度滤波算法。该算法利用星-凸随机超曲面模型对量测的扩散程度进行建模,在高斯混合概率假设密度的框架下,通过求解、更新递推量测模型下的量测似然、新息等参数来实现对扩展目标的跟踪。仿真实验表明,该算法在保证跟踪有效性和可行性的同时,提高了对扩展目标运动状态和目标外形的估计精度。
[Abstract]:Aiming at the problem of joint estimation of moving state and shape of extended target, a hybrid probability density filtering algorithm for extended target Gao Si based on star-convex random hypersurface model is proposed. In this algorithm, the diffusion degree of the measurement is modeled by the star-convex stochastic hypersurface model. Under the framework of Gao Si's mixed probability assumption density, the likelihood of measurement under the recursive measurement model is updated by solving it. The parameters such as innovation are used to track the extended target. Simulation results show that the proposed algorithm not only ensures the effectiveness and feasibility of tracking, but also improves the estimation accuracy of the moving state and shape of the extended target.
【作者单位】: 空军工程大学信息与导航学院;
【基金】:国家自然科学基金(61571458) 陕西省自然科学基金(2011JM8023)资助
【分类号】:TN713
本文编号:2320421
[Abstract]:Aiming at the problem of joint estimation of moving state and shape of extended target, a hybrid probability density filtering algorithm for extended target Gao Si based on star-convex random hypersurface model is proposed. In this algorithm, the diffusion degree of the measurement is modeled by the star-convex stochastic hypersurface model. Under the framework of Gao Si's mixed probability assumption density, the likelihood of measurement under the recursive measurement model is updated by solving it. The parameters such as innovation are used to track the extended target. Simulation results show that the proposed algorithm not only ensures the effectiveness and feasibility of tracking, but also improves the estimation accuracy of the moving state and shape of the extended target.
【作者单位】: 空军工程大学信息与导航学院;
【基金】:国家自然科学基金(61571458) 陕西省自然科学基金(2011JM8023)资助
【分类号】:TN713
【相似文献】
相关期刊论文 前4条
1 韩玉兰;朱洪艳;韩崇昭;王静;;多扩展目标的高斯混合概率假设密度滤波器[J];西安交通大学学报;2014年04期
2 蔡雷;张世强;关小伟;;扩展目标光学特性的理论分析与研究[J];强激光与粒子束;2013年07期
3 连峰;韩崇昭;刘伟峰;元向辉;;高斯混合扩展目标概率假设密度滤波器的收敛性分析[J];自动化学报;2012年08期
4 ;[J];;年期
相关会议论文 前1条
1 蔡雷;关小伟;张世强;;扩展目标光学特性的理论分析与实验研究[A];第十届全国光电技术学术交流会论文集[C];2012年
相关博士学位论文 前1条
1 张永权;随机有限集扩展目标跟踪算法研究[D];西安电子科技大学;2014年
相关硕士学位论文 前5条
1 严超;箱粒子滤波在扩展目标跟踪中的应用[D];西安电子科技大学;2014年
2 王双英;基于高斯混合概率假设密度滤波器的多扩展目标跟踪[D];长安大学;2016年
3 李鹏涛;基于箱粒子滤波的MeMBer扩展目标跟踪算法研究[D];西安电子科技大学;2016年
4 李维娟;机动扩展目标联合跟踪与分类算法研究[D];西安电子科技大学;2015年
5 王妮;扩展目标的高斯混合概率假设密度滤波算法研究[D];西安工程大学;2015年
,本文编号:2320421
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2320421.html